使用AI在社会互动中找到神经特征
映射单个大脑活动的算法可以揭示社交相互作用期间短暂脑状态的“神经指纹”。新论文的作者认为，他们的作品表明，神经指纹更加一致的人往往更容易进入共享的深层关注状态（通常称为团队流动），这对增强各种高赌注环境的团队合作和表现具有深远的影响。阅读更多
来源:Science 2.0映射单个大脑活动的算法可以揭示社交相互作用期间短暂脑状态的“神经指纹”。
新的
纸相信他们的工作表明，神经指纹更加一致的人往往更容易进入共同的重点状态（通常称为团队流动），这对增强在各种高风险环境中增强团队合作和绩效具有深远的影响。
这项研究是通过分析参与者从参与者进行基于节奏的协作视频游戏时从参与者那里收集的数据来完成的。参与者在独奏和合作游戏玩法之间交替。该研究表明，当参与者的大脑签名与7D空间中紧密匹配时，即使面对外部分心，它们也更有可能达到共享的深度集中度。
在团队和独奏状态下，三个不同的脑电波绘制在多维空间上。在这个空间内，越接近两个人的神经“指纹”，他们越有可能陷入团队流动的状态。图片来源：版权（版权）Toyohashi技术大学。保留所有权利，使用限制无。他们的算法生成了每个参与者大脑签名的多维图，基本上是他们执行和经历任务的指纹。尽管随着时间的流逝，神经特征仍然大部分保持稳定（人格特征也是如此），但他们发现一个子集与团队流动期间的瞬间脑状态有关。动态协同作用与长期神经特征如何指导实时社交互动和决策有关。
通过弥合持久的神经标记和瞬态认知状态之间的差距，作者希望有人能够开发实用的方法来预测和促进有效的协作。
参考：
https://doi.org/10.1038/s41598-025-95916-9https://doi.org/10.1038/s41598-025-95916-9